経路の集合のシミュレーションを行う：

指定された精度でシミュレーションを行う：

一次スカラー過程のシミュレーションを行う：

母数の正負の値についてのサンプル経路：

連続する値間の連続依存性を散布図上で比較する：

与えられた初期値を使い，弱定常過程のシミュレーションを行う：

トレンドのある過程の場合，初期値は経路全体の動作に影響を与える：

二次元過程のシミュレーションを行う：

データから2Dサンプル経路関数を作る：

経路の色は時間の関数である：

時間を含む3Dサンプル経路の関数を作る：

経路の色は時間の関数である：

三次元過程のシミュレーションを行う：

データからサンプル経路関数を作る：

経路の色は時間の関数である：

過程母数を推定する：

サンプルと推定過程の共分散関数を比較する：

TimeSeriesModelを使って自動的に次数を求める：

サンプルの共分散関数を最適な時系列モデルと比較する：

最大尤度推定器を求める：

定数と分散を固定し，残りの母数を推定する：

対数尤度関数を推定された母数の位置とともにプロットする：

ベクトル自己回帰過程を推定する：

各成分について共分散関数を比較する：

将来価値を予測する：

次の10ステップの予測を求める：

予測経路を示す：

データと予測された値をプロットする：

ベクトル値時系列過程についての予測を求める：

次の10ステップの予測を求める：

各成分についてのデータと予測をプロットする：

低次の場合は，相関関数の閉形式を求めることができる：

偏相関関数は過程の次数よりも大きい遅れについては0になる：

相関行列：

共分散行列：

ARProcessの共分散行列の逆行列は，対称多重対角行列である：

ベクトル値過程の共分散関数：

パワースペクトル密度：

ベクトルARMAProcess：

時系列過程が弱定常かどうかを調べる：

ベクトル過程について：

過程が弱定常になる条件を求める：

より高次の条件を求める：

分散は弱定常過程についてのみ正である：

定常性の条件を定義する：

弱定常性を仮定すると，分散は正である：

AR過程は常に可逆である：

ARProcessの推定に使用可能なメソッド：

対数尤度法と比較する：

モーメント法では，次のソルバを使うことができる：

パラメータを固定する，あるいは反復する際は，モーメントについての一般的なソルバを使う：

条件付きの最尤法では，次のソルバを使うことができる：

このメソッドは固定母数を使うことができる：

母数間のある種の関係も使うことができる：

最尤法では次のソルバを使うことができる：

このメソッドでは固定母数を使うことができる：

母数間のある種の関係も使うことができる：

スペクトル推定器では，PowerSpectralDensityの計算に使う窓を指定することができる：

スペクトル推定器には次のソルバを使うことができる：

このメソッドでは固定母数を使うことができる：

母数間のある種の関係も使うことができる：

最大エントロピー法：

これはBurg法としても知られている：

一変量SliceDistribution：

多変量スライス分布：

ベクトル値時系列のスライス分布：

初期条件が0である一次確率密度関数：

定常の平均と分散：

正規分布の密度関数と比較する：

式の期待値を計算する：

確率を計算する：

歪度と尖度の関数は一定である：

モーメント：

母関数：

CentralMomentおよびその母関数：

FactorialMomentは，記号次数では閉形式を持たない：

Cumulantおよびその母関数：

次数3のAR過程でMA（移動平均）過程を近似する：

もとの過程と近似した過程の共分散関数を比較する：

ベクトル過程を近似する：

AR過程でARMA（自己回帰移動平均）過程を近似する：

固定した初期値でARMAの近似する：

サンプル経路を比較する：

AR過程でSARIMA（季節自己回帰和分移動平均）過程を近似する：

サンプル経路を比較する：

TransferFunctionModel表現：

ベクトル値過程について：

定常AR課程のPoleZeroPlot：

非定常過程は単位円の外に少なくとも1つの極を持つ：

StateSpaceModel表現：

ベクトル値過程についての表現：